资讯

当硅谷狂炒AGI末日,李飞飞可能是最不怕AI的那一个

虎嗅文章·2026/9/11 02:24:53🔗 原文

📋总体概括

文章以8月20日李飞飞受访为契机,回顾其2006年提出『计算机视觉瓶颈在数据』的判断:当主流学界忙于调特征、改分类器时,她坚持构建超大规模标注数据集,最终做成含1419万张图、21841个类别的ImageNet。2012年辛顿团队的AlexNet在该数据集上将Top-5错误率从近28%降至15.3%,直接引爆深度学习革命。文章借此说明,在硅谷热炒AGI末日叙事的当下,李飞飞代表的是以数据和真实世界应用为本的务实技术路线。

关键信息

  • 2006年李飞飞在普林斯顿提出计算机视觉的瓶颈不在模型而在数据,与当时主流的算法优先路线相悖
  • 她主导构建的ImageNet包含1419万张图片、21841个WordNet层级类别,依靠Amazon Mechanical Turk众包标注完成
  • 2012年AlexNet在ImageNet上把Top-5错误率从近28%降至15.3%,成为深度学习出圈的关键拐点
  • 文章将李飞飞的数据驱动、应用导向路线与硅谷流行的AGI末日叙事形成对照

🔥犀利点评

行业叙事总是偏爱讲末日和奇迹,但真正改变历史的是ImageNet这种苦活——1400万张图一张张标出来。李飞飞的价值恰恰在于她不赌预言、只解决问题,这种『笨功夫』在泡沫期最不受待见,却往往是泡沫破裂后唯一剩下来的东西。AGI恐慌本质是融资话术,而数据基础设施才是真资产。

本文由本站自动聚合,以下为原始来源:前往 虎嗅文章 阅读全文